頭條 基于ESP32嵌入式Web服务器的手机化仪表设计 随着物联网技术的发展，单片机性能升级且功能变得丰富，利用单片机创建Web服务器，使用浏览器作为客户端进行访问变得可行。借鉴其思路，提出一种嵌入式Web服务器＋浏览器架构的无软件化手机仪表设计方法。先用JavaScript语言将常用的手机仪表元素设计为一个能嵌入到单片机存储系统中的50 KB大小的库，然后在其基础上形成C风格手机仪表HTML网页生成函数，最后再通过单片机Web服务器将封装后的C风格手机仪表HTML网页生成函数转换为手机浏览器支持的HTML网页进行显示和用户操作。该设计实现将仪表软件安装在下位机，客户端零安装、零配置访问仪表界面。 最新資訊 智能机器人研制企业落户海口 研发“双创机器人” 机器人今后也有海南造！如今，物联网与智能定位技术的“蜂巢创新工场”落户海口市美兰区演丰镇。 發(fā)表于：2016/9/21 精准医疗可否助力临床应用 精准医疗正伴随着美、中、英各国的精准医疗计划，招徕各路资本竞逐。这种基于一个人的基因、生活方式和环境所单独制定医疗方案的技术，如果成功发展下去，医生们便可有望根据患者的基因组和生理机能，选择对其病症最有效的治疗。 發(fā)表于：2016/9/21 英国正式颁布机器人道德标准 不许伤害 欺骗和令人成瘾 艾萨克·阿西莫夫（Isaac Asimov）曾在他的科幻小说里描述了规范机器人行为的三定律，包括：不能伤害人类、服从人类命令和保护自己。 發(fā)表于：2016/9/21 芯禾科技正式加入SOI产业联盟 2016年8月19日，中国上海讯——中国EDA软件、集成无源器件IPD和系统级封装领域的领先供应商，苏州芯禾电子科技有限公司(芯禾科技Xpeedic)，近日宣布正式加入SOI产业联盟。SOI产业联盟由一群电子行业中的领导企业组成，该联盟的使命是通过SOI技术优势的推广、应用壁垒的降低，来加速硅上绝缘体工艺（SOI）在更广阔市场中的创新。 發(fā)表于：2016/9/20 36V 2A 单片同步升压型 Silent Switcher LED 驱动器 加利福尼亚州米尔皮塔斯 (MILPITAS, CA) – 2016 年 9 月 19 日 – LT3922 是一款单片、同步、升压型 DC/DC 转换器，该器件具内部 40V、2A 电源开关和一个内部 PWM 发生器。其固定频率峰值电流模式控制可对高达 34V 的 LED 串准确地调节电流在 ±2% 范围内。其集成的 PWM 发生器提供高达 128:1 的调光比。如果要求调光比高达 5000:1，那么 LT3922 加上一个外部 PWM 发生器就能够适合这类应用。 發(fā)表于：2016/9/20 RS Components安全系列产品 中国北京，2016年9月20日 - 服务于全球工程师的分销商Electrocomponents plc (LSE:ECM)集团旗下的贸易品牌RS Components (RS) 公司提供广泛的产品系列、精选工具和支持材料，能让机器和工厂安全运营商快速方便地采购重要的安全设备。 發(fā)表于：2016/9/20 英飞凌推出具备无频闪控制和低待机功率的数字LED驱动IC 2016年9月20日，德国慕尼黑—现代LED技术为照明应用提供了许多高级功能。英飞凌科技股份公司（FSE代码：IFX / OTCQX代码：IFNNY）推出的XDPL8220进一步壮大了其数字可配置LED驱动IC产品组合。有了这颗IC，照明行业可以实现其重要的特性——智能照明，并使终端用户和制造商双方都能从中获益。这颗器件的原边控制无需额外元件，可在节省成本的同时，增强可靠性。 發(fā)表于：2016/9/20 高超声速飞行器考虑数据丢失的预测控制研究 以高超声速飞行器纵向通道为研究对象，考虑飞行器控制系统中传感器–控制器以及控制器–执行器通道均存在数据丢失的问题，提出一种能有效处理丢包的预测控制方法。首先，对高超声速飞行器纵向通道非线性模型进行局部小扰动线性化，得到平衡点处线性化模型；接着，建立有数据丢失的系统动态模型，使用终端状态约束集和终端代价函数方法设计预测控制器并设计相关补偿策略，以实现高超声速飞行器输入指令的跟踪；最后，基于MATLAB和Truetime平台进行数值仿真。结果表明,所设计的预测控制器能保证系统在出现数据丢失时具有良好的跟踪性能和鲁棒性。 發(fā)表于：2016/9/20 基于叙词分类的海洋科技信息的数据转储 在研究叙词表分类的基础上，调研了国家海洋局第一海洋研究所海洋科技信息数据。根据这些电子资源的存储方式与存储结构，对其进行数据的转储，设计了标准的XML文件，以便数据资源的二次使用与共享。 發(fā)表于：2016/9/20 基于SURF的压缩跟踪算法研究 目标跟踪技术作为机器视觉领域中的基础，有着广泛的应用，但其仍然存在许多问题。为了解决目标在光照变化和快速移动场景下跟踪漂移的问题,提出了基于SURF的压缩跟踪算法。首先选择跟踪目标并提取SURF特征，其次采用压缩感知理论对SURF高维特征降维，来减少特征描述的维数和计算时间，最后筛选压缩后的样本特征并训练分类器，来实现对多种复杂场景下目标实时准确跟踪。通过实验与传统的SURF算法和Compressive Tracking(CT)算法的对比，证明该算法不仅大大减少了目标在跟踪的过程中的计算量，其跟踪的实时性和准确性相较于CT算法和SURF算法都有所提高。 發(fā)表于：2016/9/20 <…1047104810491050105110521053105410551056…>
